AI ได้เข้ามามีบทบาทในการทำงานในหลายๆ องค์กร หลายๆ บริษัทเป็นอย่างมาก เริ่มมีการวิจัยและการคาดการณ์ต่างๆ ว่า AI จะเข้ามาแทนที่มนุษย์อย่างชัดเจน ทำให้เกิดความกลัวขึ้นในหมู่พนักงานที่อาจจะพัฒนาทักษะของตัวเองไม่ทันกับเทคโนโลยี แต่แท้จริงแล้ว มนุษย์ กับ AI สามารถมีส่วนร่วมในการทำงานไปพร้อมๆ กันได้ อีกทั้งยังสามารถแข่งขันเพื่อพัฒนาไปสู่เป้าหมายเดียวกัน ได้อย่างพร้อมๆ กันด้วย 

ซึ่งมนุษย์และระบบ AI ต่างต้องการทักษะในการแข่งขันและการทำงานร่วมกันทั้งนั้น โดย Competitive Skills คือข้อได้เปรียบที่มนุษย์หรือ AI มีข้อได้เปรียบมากกว่า ในขณะที่ Cooperative Skills สามารถช่วยเพิ่มประสิทธิภาพของมนุษย์และ AI ในการทำงานร่วมกันได้อย่างมีประสิทธิภาพ เพื่อให้องค์กรเดินหน้าต่อได้อย่างไม่มีสะดุด ในยุคที่ AI แทบจะครองโลก องค์กรจึงจำเป็นที่จะต้องเรียนรู้และเข้าใจทั้ง Competitive Skills และ Cooperative Skills ของมนุษย์และ AI รวมทั้งวางแผนกลยุทธ์ในการลงทุน เพื่อรักษาสมดุลทั้งมนุษย์ และ AI เช่นกัน

เข้าใจ Cooperative Skills และ Competitive Skills ของมนุษย์

แม้ AI จะไม่ได้เข้ามาแทนที่การทำงานแบบ Human-Centered Workplace แต่มันสามารถเปลี่ยนแปลงการทำงานพื้นฐานบางอย่างได้ เพื่อให้มนุษย์ขาด AI ไม่ได้ จึงจำเป็นที่จะต้องเข้าใจและเรียนรู้ถึงความสามารถของ AI

Human’s cooperative skills

หากมนุษย์จะทำงานร่วมกับ AI อย่างมีประสิทธิภาพ จำเป็นต้องใช้ความสามารถในการวิเคราะห์ข้อมูล เพื่อให้เข้าใจการทำงานและข้อจำกัดของ AI ทั้งข้อมูลเชิงลึก ข้อพิจารณาด้านจริยธรรมที่ AI สร้างขึ้น จึงจำเป็นที่มนุษย์จะต้องมีทักษะเหล่านี้

Data-centric skills: คือความสามารถในการเข้าใจผลลัพธ์ของข้อมูลที่เกิดจาก algorithm ซึ่งผลสำรวจชี้ว่าจะต้องมีทักษะเหล่านี้ 

1. ความสามารถในการแยกแยะข้อมูลที่เกี่ยวข้องและประเมินความน่าเชื่อถือของข้อมูลได้ 
2. ความสามารถในการตรวจสอบข้อมูลผ่านการทดสอบสมมติฐาน A/B Test และ 
3. ทักษะในการปรับแต่งข้อมูลและสื่อสารได้อย่างชัดเจนให้กับผู้มีส่วนได้ส่วนเสีย

AI literacy: ต้องเข้าใจวิธีการทำงานของ algorithm ว่า AI สามารถสนับสนุนและส่งเสริมการตัดสินใจของมนุษย์ตลอดจนข้อจำกัดต่างๆ ที่จำเป็นต้องรู้เท่าทันในการใช้ข้อมูลจาก AI ให้เกิดประโยชน์สูงสุด และมีความรับผิดชอบในการพัฒนา AI ให้เกิดผลลัพธ์ที่ถูกต้องและคอยตรวจสอบอยู่เสมอ

Algorithmic Communication: คือการทำความเข้าใจการเชื่อมโยงความต้องการและวัตถุประสงค์ของมนุษย์เข้ากับ algorithm ให้ผู้อื่นเข้าใจ ซึ่งการวิจัยแสดงให้เห็นว่ามนุษย์มักจะทำผิดพลาดในการใช้ AI จึงจำเป็นที่จะต้องมีทักษะนี้โดยมีวิธีเฉพาะที่จะสร้างจากจุดแข็งให้กับ AI ด้วย ‘Prompt Engineering’ หรือการสร้างชุดคำสั่ง การตอบสนองที่มีประสิทธิภาพจาก AI ที่มนุษย์สามารถสร้างแบบจำลองจาก AI เพื่อสร้างผลลัพธ์ในงานเฉพาะได้ด้วย

Human’s competitive skills

มนุษย์จำเป็นต้องฝึกฝนทักษะและความสามารถบางอย่างที่ AI ไม่สามารถเลียนแบบได้ ซึ่งจะทำให้สามารถทำงานร่วมกับ AI ได้ โดยจำเป็นต้องมีทักษะเหล่านี้

Emotional Intelligence: ความสามรถในการรับรู้อารมณ์ของตนเอง เข้าใจและสื่อสารความหมายทางอารมณ์ของผลลัพธ์ที่สร้างจาก algorithm ได้ เช่น ฝ่ายบริการลูกค้า สามารถนำคำแนะนำที่สร้างโดย AI มาปรับเปลี่ยนให้เป็นของตัวเองได้เพื่อบริการให้กับลูกค้าได้อย่างตรงกับความต้องการและความรู้สึกของลูกค้าได้

Holistic and strategic thinking: ความสามารถในการพิจารณาภาพรวม ว่า AI ให้ผลลัพธ์ที่เหมาะสมกับบริบทของปัญหาหรือมีการตัดสินใจอย่างไร ซึ่งสามารถประมวลผลด้วย algorithm ได้แต่ก็จำเป็นที่จะต้องพิจารณาปัจจัยต่างๆ ร่วมด้วย เช่น การใช้ algorithm กับประวัติทางการแพทย์ของผู้ป่วย วิถีชีวิต สุขภาพโดยรวมของผู้ป่วย เพื่อให้ได้การวินิจฉัยที่มีข้อมูลครบถ้วนและครอบคลุม

Creativity and outside-the-box thinking: ความคิดสร้างสรรค์และการคิดนอกกรอบ เช่นเมื่อใช้ AI ในการวิเคราะห์ข้อมูลผู้บริโภค รูปแบบความสนใจและพฤติกรรมของกลุ่มเป้าหมายได้แล้ว สิ่งที่ต้องทำคือใช้ความคิดสร้างสรรค์ นำข้อมูลเหล่านั้นมาสื่อสารให้โดนใจกลุ่มเป้าหมายนั่นเอง

Critical and ethical thinking: ทักษะความสามารถในการประเมินเครื่องมือ AI และเข้าใจจริยธรรมและความรับผิดชอบที่เกี่ยวข้องกับการใช้ algorithm ที่รวมถึงความเป็นส่วนตัวและความรับผิดชอบ เนื่องจาก Generative AI อย่าง ChatGPT ที่ถูกนำมาใช้กับผลิตภัณฑ์และบริการต่างๆ มากขึ้นเรื่อยๆ ทำให้มนุษย์จำเป็นที่จะต้องทำงานควบคู่ไปกับระบบเหล่านี้เพื่อจัดการข้อมูลเท็จ เป็นต้น

เรียนรู้ Cooperative Skills และ Competitive Skills ของ AI

ไม่ใช่แค่มนุษย์เท่านั้นที่ต้องเรียนรู้และพัฒนาความสามารถใหม่ๆ ตลอดเวลา ระบบ AI ที่กำลังขยายขีดความสามารถในการแข่งขันให้เหนือมนุษย์อย่างรวดเร็วนั้น ก็ต้องปรับปรุงทักษะการทำงานร่วมกันเพื่อให้องค์กรต่างๆ นำไปใช้อย่างกว้างขวาง โดยเฉพาะอย่างยิ่ง AI ไม่สามารถอธิบายความท้าทายในการตัดสินใจได้ นับว่าเป็นอุปสรรคต่อความรับผิดชอบและการปฏิบัติตามข้อกฎหมาย เช่น หากการตัดสินใจของ AI ยังคลุมเครือสำหรับผู้เชี่ยวชาญทางการแพทย์ ก็จะทำให้ไม่สามารถนำระบบเหล่านี้มาใช้ในการดูแลสุขภาพได้

AI’s cooperative skills

ในการทำงานกับมนุษย์อย่างมีประสิทธิภาพ ระบบ AI จำเป็นต้องมีทักษะต่างๆ เช่น:

NLP (Natural Language Processing): ความสามารถในการประมวลผล วิเคราะห์ ทำความเข้าใจและเลียนแบบภาษามนุษย์ อย่าง ChatGPT นั้นทำได้ดีในการโต้ตอบกับมนุษย์ เพราะผู้คนสามารถถามคำถามและแสดงออกได้อย่างเป็นธรรมชาติ รวมถึงการแสดงอารมณ์ต่างๆ เช่น ความตื่นเต้น ความหงุดหงิด หรือความประหลาดใจ แต่อย่างไรก็ตามระบบเหล่านี้ยังห่างไกลจากความรู้สึกนึกคิด รวมถึงสถานการณ์ที่นอกเหนือไปจากหน้าที่ที่ทำได้โดยมนุษย์ เช่น AI สามารถวิเคราะห์รูปแบบข้อมูลด้านสุขภาพได้ แต่ก็ไม่ควรแทนที่แพทย์ในการดูแลผู้ป่วย

Explainability: ความสามารถในการให้คำอธิบายที่ชัดเจนและเข้าใจได้เกี่ยวกับกระบวนการตัดสินใจของมนุษย์ Generative AI  มีการเรียนรู้เชิงลึก นับเป็นความท้าทายอย่างต่อเนื่องซึ่งจะมีโซลูชันที่หลากหลาย รวมถึงการสร้าง ‘กรอบการทำงานที่สามารถอธิบายได้ชัดเจน’ โดยโซลูชันทางเทคโนโลยีอาจเกี่ยวข้องกับ Engine ที่สามารถให้คำอธิบายที่มนุษย์รับรู้ได้ โดยเฉพาะในภาคธุรกิจการดูแลสุขภาพและการเงิน

Adaptability and Personalization: ความสามารถในการเรียนรู้การโต้ตอบและสามารถปรับแต่งการตอบสนองตามผู้ใช้แต่ละคน ตัวอย่างเช่น Intelligent PA ที่จะช่วยให้ผู้คนจัดการกับข้อมูลและการสื่อสารที่มากเกินไปด้วยการวิเคราะห์กิจกรรมของผู้ใช้ ผู้ช่วยเหล่านี้จะทำงานร่วมกับพนักงานในลักษณะรายบุคคล เพื่อเพิ่มประสิทธิภาพการทำงานในด้านต่างๆ เช่น การจัดการเวลา การจัดการประชุม และความช่วยเหลือด้านการสื่อสาร

Context Awareness: ความสามารถในการเข้าใจบริบทที่มีการโต้ตอบเกิดขึ้นและตอบสนองตามนั้น ตัวอย่างเช่น ในเว็บไซต์อีคอมเมิร์ซ แชทบอทที่นำเสนอการรับรู้บริบทสามารถวิเคราะห์การสอบถามและประวัติการซื้อของผู้ใช้ก่อนหน้านี้ เพื่อเสนอวิธีแก้ปัญหาหรือคำแนะนำที่เกี่ยวข้องกับความต้องการของลูกค้ามากขึ้น

AI's competitive skills

ระบบ AI ยังคงนำเสนอข้อได้เปรียบในการแข่งขันที่ไม่เหมือนใคร เช่น:

Analytical Capacities: ความสามารถในการคำนวณที่ซับซ้อน ประมวลผลข้อมูลจำนวนมาก และระบุรูปแบบและความสัมพันธ์ภายในข้อมูล ตัวอย่างเช่น ระบบ AI มีความสามารถมากขึ้นในการตรวจจับธุรกรรมที่ฉ้อโกงในชุดข้อมูลขนาดใหญ่ของธุรกรรมบัตรเครดิต

Generativity: ความสามารถในการสร้างสรรค์ผลลัพธ์ที่แปลกใหม่ และไม่เหมือนใคร ซึ่งไม่ใช่เพียงการสร้างข้อมูลซ้ำเท่านั้น Generative AI สามารถสร้างแบบจำลอง ภาพ ข้อความ หรือแม้แต่เพลงที่คล้ายกับของมนุษย์ ซึ่งสามารถสร้างเนื้อหาอัตโนมัติ ปรับปรุงคุณภาพเนื้อหา เพิ่มความหลากหลายรวมไปถึงนำเสนอเนื้อหาเฉพาะบุคคลได้

Performance at scale: ความสามารถในการปรับขนาดการดำเนินงานได้อย่างมีประสิทธิภาพ เช่น ระบบ AI สามารถประมวลผลใบสมัครด้วยบัตรเครดิตหลายพันรายการแบบเรียลไทม์ หรือ เสนอ Algorithms ของผู้ขับขี่และผู้โดยสาร Uber หลายพันคนพร้อมกัน สร้างกรอบการทำงานที่มีโครงสร้างและสอดคล้องกันแบบที่ไม่เคยมีมาก่อน

เมื่อมนุษย์ต้องแข่งขันกับ AI

ความท้าทายสำหรับองค์ที่กำลังสร้างกลยุทธ์ในการใช้เครื่องมือ AI ใหม่ๆ นั้นอยู่ที่การออกแบบให้องค์กรมีสมดุลระหว่าง AI และ มนุษย์ ให้เกิดประสิทธิภาพสูงสุด ซึ่งองค์กรจำเป็นที่จะต้องมองถึงสิ่งเหล่านี้

1. ทำให้ข้อมูลเป็นประชาธิปไตยเพื่อส่งเสริมการพัฒนาทักษะของมนุษย์และเครื่องจักรที่แข่งขันได้อย่างต่อเนื่อง ระบบ AI สามารถสร้างข้อมูลเชิงลึกตามขนาดและตรวจจับรูปแบบที่มักมองไม่เห็นด้วยตามนุษย์ แต่การแปลงความสามารถในการแข่งขันไปสู่การเติบโตทางธุรกิจและความคล่องตัวจำเป็นต้องใช้ทักษะของมนุษย์ในการคิดเชิงกลยุทธ์และความคิดสร้างสรรค์ การใช้งานร่วมกันประเภทนี้ บริษัทต่างๆ ควรทำให้การเข้าถึงข้อมูลเป็นประชาธิปไตยในทุกระดับขององค์กร เกือบทุกบทบาทในองค์กรควรทำงานควบคู่ไปกับการวิเคราะห์ข้อมูลเพื่อแจ้งวิธีทำให้ workflow มีประสิทธิภาพมากขึ้น ทำการตัดสินใจที่ขับเคลื่อนด้วยข้อมูล และท้ายที่สุดจะแจ้งความเข้าใจที่ดีขึ้นเกี่ยวกับวิธีการให้บริการลูกค้าปลายทาง ยิ่ง AI มองเห็นข้อมูลได้มากเท่าไรก็ยิ่งช่วยให้พนักงานก็มีความสามารถมากขึ้นเท่านั้น ความสามารถที่มากขึ้นสำหรับมนุษย์ในการนำไปใช้และพัฒนาทักษะการแข่งขันที่ไม่เหมือนใครของพวกเขา
2. มองออกไปนอกกำแพงองค์กรของคุณเพื่อหาทักษะการทำงานร่วมกันของมนุษย์ การศึกษาล่าสุดของ Deloitte พบว่า 49% ของคนงานแบบดั้งเดิมซึ่งเป็นพนักงานประจำได้ปรับปรุงทักษะของพวกเขามากกว่าหนึ่งปีที่ผ่านมาหรือไม่เคยมีส่วนร่วมในการพัฒนาทักษะ ในขณะที่ 60% ของแรงงานทางเลือกหมายถึง Gig Workers นักแปลอิสระ คนทำงานอิสระ และคนทำงานมวลชน จะอัพเดททักษะของพวกเขาภายในหกเดือนที่ผ่านมา ในความเป็นจริง 44% ของพนักงานทางเลือกในองค์กรขนาดใหญ่มีวุฒิการศึกษาระดับสูงกว่าปริญญาตรีตามการวิจัยใหม่โดย Upwork อาจเป็นเพราะชุดทักษะทางเทคนิคส่วนใหญ่ตามการวิจัยของ IBM มีประสบการณ์ครึ่งชีวิต 2.5 ปี และตามฐานข้อมูลของ Upwork ทักษะที่เป็นที่ต้องการสูงสุดคือด้านเทคนิคและเกี่ยวข้องกับการพัฒนาเว็บ อุปกรณ์พกพา และซอฟต์แวร์ หากองค์กรประสบปัญหาในการติดตามทักษะการทำงานร่วมกันของมนุษย์เพื่อทำงานร่วมกับ AI อาจถึงเวลาแล้วที่จะมีส่วนร่วมกับ Ecosystem ของทักษะที่กว้างขึ้นภายนอกองค์กร
3. อย่าให้ภูมิศาสตร์มาจำกัดทักษะที่บริษัทต้องการจ้าง การแพร่ระบาดของโควิด-19 นำไปสู่ยุคใหม่ของการทำงาน เนื่องจากหลายองค์กรเรียนรู้ว่างานสามารถทำได้จากระยะไกล งานด้านเทคนิคสามารถทำได้เกือบทุกที่ในโลก เนื่องจาก AI และ เทคโนโลยีส่วนใหญ่ทำให้ภูมิศาสตร์ไม่เกี่ยวข้องกับการค้นหาทักษะที่องค์กรต้องการในการทำงานร่วมกับ AI การใช้กลยุทธ์การทำงานจากระยะไกลจะช่วยให้องค์กรมีความพร้อมที่จะจับภาพภูมิทัศน์ของบุคลากรที่มีความสามารถที่เปลี่ยนแปลงตลอดเวลา และช่วยให้องค์กรได้รับชัยชนะในการแข่งขันกับ AI เหล่านี้

ด้วยความมุ่งมั่นที่จะสร้างสมดุลของทักษะเหล่านี้ องค์กรสามารถเก็บเกี่ยวผลประโยชน์ระหว่าง AI และมนุษย์นี้ด้วย ‘ความร่วมมือ’ ที่จะเป็นข้อตกลงที่ฝ่ายต่างๆ มีส่วนร่วมในพฤติกรรมการแข่งขันที่ AI และมนุษย์สามารถใช้ประโยชน์ร่วมกันได้ ซึ่งเน้นย้ำไปถึงความสำคัญของการพัฒนาทักษะของมนุษย์ให้ทันและเหนือกว่า AI เพื่อใช้ควบคุม AI ได้นั่นเอง

อ้างอิง

Harvard Business Review